SPSS統(tǒng)計分析與數(shù)據(jù)挖掘

目 錄
第1章 SPSS軟件概述 1
1．1 SPSS簡介 1
1．2 SPSS操作入門 2
1．2．1 軟件安裝、啟動及退出 3
1．2．2 操作環(huán)境 4
1．2．3 系統(tǒng)參數(shù)的設置 7
1．3 SPSS的幫助系統(tǒng) 14
第2章 SPSS數(shù)據(jù)挖掘系統(tǒng) 16
2．1 數(shù)據(jù)挖掘概述 16
2．1．1 數(shù)據(jù)挖掘的含義 16
2．1．2 數(shù)據(jù)挖掘與OLAP 17
2．1．3 數(shù)據(jù)挖掘和統(tǒng)計學 17
2．1．4 數(shù)據(jù)挖掘的目的 18
2．1．5 數(shù)據(jù)挖掘應用 18
2．1．6 數(shù)據(jù)挖掘流程 18
2．2 成功的數(shù)據(jù)挖掘 19
2．2．1 CRISP-DM方法論 20
2．2．2 選擇數(shù)據(jù)挖掘工具 24
2．2．3 SPSS數(shù)據(jù)挖掘 25
2．3 SPSS數(shù)據(jù)挖掘的過程 28
2．3．1 商業(yè)理解 28
2．3．2 數(shù)據(jù)理解 28
2．3．3 數(shù)據(jù)準備 28
2．3．4 數(shù)據(jù)模型 29
2．3．5 評估 29
2．3．6 部署 30
第3章 數(shù)據(jù)文件、變量與函數(shù) 32
3．1 SPSS的變量類型 32
3．1．1 數(shù)據(jù)的輸入 33
3．1．2 變量的編輯 34
3．2 數(shù)據(jù)文件的打開和保存 36
3．2．1 打開SPSS數(shù)據(jù)文件 36
3．2．2 打開其他格式的數(shù)據(jù)文件 36
3．2．3 數(shù)據(jù)文件保存 37
3．3 SPSS函數(shù) 38
3．3．1 算術函數(shù) 38
3．3．2 統(tǒng)計函數(shù) 38
3．3．3 邏輯函數(shù) 39
3．3．4 日期和時間函數(shù) 39
3．3．5 隨機變量函數(shù) 41
3．3．6 反分布函數(shù) 43
3．3．7 累計分布函數(shù) 43
3．3．8 缺失值函數(shù) 45
3．3．9 字符串函數(shù) 46
第4章 數(shù)據(jù)預處理 48
4．1 數(shù)據(jù)文件的整理 48
4．1．1 排序個案（Sort Case）過程 49
4．1．2 轉置（Transpose）過程 49
4．1．3 合并文件（Merge File）過程 50
4．1．4 分類匯總（Aggregate）過程 52
4．1．5 拆分文件（Split File）過程 54
4．1．6 選擇個案（Select Cases）過程 54
4．1．7 加權個案（Weight Cases）過程 55
4．2 數(shù)據(jù)變量的變換和計算 55
4．2．1 計算變量（Compute Variables）過程 56
4．2．2 計數(shù)（Count）過程 58
4．2．3 重新編碼（Recode）過程 59
4．2．4 個案排秩（Rank Cases）過程 60
4．2．5 自動重新編碼（AutomaticRecode）過程 62
第5章 基本統(tǒng)計分析 64
5．1 基本概念 64
5．1．1 基本的統(tǒng)計概念 64
5．1．2 描述性統(tǒng)計分析 66
5．2 頻數(shù)分析 67
5．2．1 Frequencies過程的操作界面 67
5．2．2 實例分析 69
5．3 描述性統(tǒng)計分析過程 71
5．3．1 Descriptive過程的參數(shù)設置 71
5．3．2 實例分析 71
5．4 數(shù)據(jù)探索性分析過程 73
5．4．1 Explore過程的參數(shù)設置 73
5．4．2 實例分析 74
5．5 列聯(lián)表分析過程 77
5．5．1 Crosstabs過程的參數(shù)設置 77
5．5．2 實例分析 80
第6章 參數(shù)檢驗 83
6．1 參數(shù)估計和假設檢驗概述 83
6．1．1 參數(shù)估計 83
6．1．2 假設檢驗 86
6．2 均值（Means）過程 91
6．2．1 SPSS的均值（Means）過程參數(shù)設置 91
6．2．2 均值（Means）過程實例 92
6．3 單樣本t檢驗 93
6．3．1 單樣本t檢驗過程的參數(shù)設置 93
6．3．2 實例分析 94
6．4 獨立樣本t檢驗 96
6．4．1 獨立樣本t檢驗過程的參數(shù)設置 96
6．4．2 實例分析 97
6．5 配對兩樣本t檢驗 99
6．5．1 配對兩樣本t檢驗過程的參數(shù)設置 99
6．5．2 實例分析 99
第7章 基本圖形的繪制 102
7．1 統(tǒng)計圖概述 102
7．2 條形圖 103
7．3 線圖 107
7．4 面積圖 109
7．5 餅圖 110
7．5．1 SPSS設置 110
7．5．2 實例分析 111
7．6 高低圖 112
7．7 質量控制圖 113
7．8 箱圖 118
7．8．1 SPSS參數(shù)設置 118
7．8．2 實例分析 119
7．9 散點圖 120
7．9．1 SPSS參數(shù)設置 121
7．9．2 實例分析 121
7．10 直方圖 123
7．11 時間序列圖 125
7．11．1 SPSS參數(shù)設置 125
7．11．2 實例分析 129
第8章 非參數(shù)檢驗 132
8．1 非參數(shù)檢驗概述 132
8．2 檢驗 133
8．2．1 檢驗的參數(shù)設置 134
8．2．2 檢驗實例分析 136
8．3 二項分布檢驗 138
8．3．1 二項分布檢驗的參數(shù)設置 138
8．3．2 實例分析 138
8．4 游程檢驗 140
8．4．1 游程檢驗的參數(shù)設置 141
8．4．2 實例分析 141
8．5 單樣本K-S檢驗 143
8．5．1 單樣本K-S檢驗的參數(shù)設置 143
8．5．2 實例分析 144
8．6 兩獨立樣本分布位置檢驗 146
8．6．1 兩獨立樣本分布位置檢驗的參數(shù)設置 147
8．6．2 實例分析 147
8．7 多個獨立樣本分布位置檢驗 149
8．7．1 SPSS參數(shù)設置 149
8．7．2 實例分析 150
8．8 兩相關樣本分布位置檢驗 152
8．8．1 SPSS參數(shù)設置 152
8．8．2 實例分析 153
8．9 多個配對樣本分布位置檢驗 154
8．9．1 SPSS參數(shù)設置 155
8．9．2 實例分析 155
第9章 方差分析 158
9．1 方差分析的基本原理 158
9．1．1 自由度與平方和分解 159
9．1．2 F檢驗 161
9．1．3 多重比較 162
9．2 單因素方差分析 163
9．2．1 單因素方差分析步驟 164
9．2．2 判斷與結論 165
9．2．3 One-Way ANOVA過程的參數(shù)設置 165
9．2．4 實例分析 168
9．3 多因素方差分析 169
9．3．1 只考慮主效應的多因素方差分析 169
9．3．2 存在交互效應的多因素方差分析 171
9．3．3 Univariate過程參數(shù)設置 173
9．3．4 實例分析 178
9．4 協(xié)方差分析 182
9．4．1 協(xié)方差分析概述 182
9．4．2 實例分析 183
第10章 回歸分析 186
10．1 線性回歸 186
10．1．1 線性回歸模型 187
10．1．2 最小二乘估計 187
10．1．3 回歸方程的顯著性檢驗 188
10．1．4 預測問題 190
10．1．5 SPSS線性回歸分析設置 191
10．1．6 回歸分析模型的實例分析 195
10．2 非線性回歸 198
10．2．1 非線性回歸分析的基本原理 199
10．2．2 非線性回歸參數(shù)設置 199
10．2．3 案例――銷售數(shù)量和廣告投入的非線性回歸分析 202
10．3 Logistic回歸 205
10．3．1 Logistic回歸模型概述 205
10．3．2 Binary Logistic回歸模型參數(shù)設置 206
10．3．3 案例――銀行貸款的信用風險分析 209
第11章 相關分析 214
11．1 相關分析概述 214
11．1．1 相關關系 214
11．1．2 相關圖形和相關系數(shù) 215
11．1．3 SPSS的相關分析功能簡介 217
11．2 Bivariate（雙變量）過程 217
11．2．1 雙變量相關分析簡介 217
11．2．2 Bivariate過程的參數(shù)設置 219
11．2．3 案例――汽車銷售中各變量之間的相關分析 220
11．3 Partial（偏相關）過程 223
11．3．1 Partial過程的參數(shù)設置 223
11．3．2 案例――醫(yī)療門診病人的流動情況分析 224
11．4 Distances（距離）過程 226
11．4．1 Distances過程的參數(shù)設置 226
11．4．2 案例――全國各個省市自治區(qū)直轄市的農(nóng)民家庭收支的分布研究 229
第12章 聚類分析 231
12．1 聚類分析的原理 231
12．1．1 一般原理 232
12．1．2 聚類分析步驟 235
12．1．3 系統(tǒng)聚類方法 236
12．2 快速樣本聚類過程 239
12．2．1 快速聚類簡介 239
12．2．2 SPSS快速聚類的設置 239
12．2．3 案例――2006年中國主要城市空氣質量的比較分析 241
12．3 系統(tǒng)聚類過程 245
12．3．1 系統(tǒng)聚類簡介 245
12．3．2 SPSS系統(tǒng)聚類設置 245
12．3．3 案例――中國經(jīng)濟地理區(qū)域的聚類分析 248
12．4 兩階段聚類分析 251
12．4．1 兩階段聚類簡介 251
12．4．2 SPSS兩階段聚類的設置 252
12．4．3 案例――兩階段聚類分析應用于農(nóng)村居民人均收入與生活消費支出研究 253
第13章 判別分析 256
13．1 判別分析的基本原理 256
13．1．1 判別分析簡介 256
13．1．2 判別分析的數(shù)學模型與判別方法 257
13．2 一般判別分析 263
13．2．1 一般判別分析的參數(shù)設置 263
13．2．2 案例――上市公司類型的比較分析 266
13．3 逐步判別分析 271
13．3．1 逐步判別的參數(shù)設置 271
13．3．2 案例――全國部分省市地區(qū)的農(nóng)民家庭收支的分布規(guī)律研究 272
第14章 因子分析 278
14．1 因子分析簡介 278
14．1．1 因子分析的基本原理 279
14．1．2 因子分析的基本步驟和過程 281
14．2 SPSS因子分析 281
14．2．1 SPSS因子分析的參數(shù)設置 281
14．2．2 案例――汽車銷售的數(shù)據(jù)中各變量的因子分析 285
第15章 對應分析 290
15．1 對應分析的基本原理 290
15．2 簡單對應分析 292
15．2．1 Correspondence Analysis過程 292
15．2．2 案例――簡單對應分析實例 295
15．3 Optimal Scaling過程 298
15．3．1 Optimal Scaling過程的SPSS參數(shù)設置 298
15．3．2 案例――最優(yōu)尺度分析實例 305
第16章 可靠性和多維尺度分析 309
16．1 可靠性分析 309
16．1．1 可靠性分析的基本原理 309
16．1．2 可靠性分析的參數(shù)設置 311
16．1．3 案例――電視節(jié)目調查數(shù)據(jù)可靠性分析 313
16．2 多維尺度分析 315
16．2．1 多維尺度分析簡介 315
16．2．2 ALSCAL過程的參數(shù)設置 316
16．2．3 案例――多維尺度實例分析 319
第17章 生存分析 322
17．1 生存分析簡介 322
17．1．1 生存分析的基本概念 322
17．1．2 生存資料的特點 324
17．1．3 生存分析方法 324
17．1．4 SPSS中的生存分析過程 325
17．2 Life Tables過程 326
17．2．1 Life Tables過程的參數(shù)設置 326
17．2．2 案例――電信公司客戶流失分析 327
17．3 Kaplan-Meier分析 331
17．3．1 Kaplan-Meier分析的步驟 331
17．3．2 案例――新藥開發(fā)的數(shù)據(jù)分析 333
17．4 Cox模型回歸分析 336
17．4．1 Cox回歸模型 336
17．4．2 Cox模型參數(shù)設置 338
17．4．3 案例――電信公司的客戶流失的Cox回歸模型分析 342
第18章 對數(shù)線性模型 347
18．1 對數(shù)線性模型概述 347
18．2 General過程 348
18．2．1 General過程的參數(shù)設置 348
18．2．2 實例分析 351
18．3 Logit過程 353
18．3．1 Logit過程的參數(shù)設置 353
18．3．2 實例分析 356
18．4 模型選擇（Model Selection）過程 359
18．4．1 模型選擇的參數(shù)設置 359
18．4．2 實例分析 361
第19章 時間序列分析 364
19．1 時間序列概述 364
19．1．1 時間序列的組成部分 364
19．1．2 時間序列的數(shù)學模型 365
19．1．3 時間序列的分析步驟 367
19．1．4 SPSS時間序列分析功能 367
19．2 時間序列數(shù)據(jù)的預處理 374
19．2．1 缺失值替換 374
19．2．2 定義時間變量 375
19．2．3 時間序列的平穩(wěn)化 375
19．3 指數(shù)平滑模型過程 376
19．3．1 指數(shù)平滑的基本原理 376
19．3．2 指數(shù)平滑模型的參數(shù)設置 379
19．3．3 案例――銷售數(shù)據(jù)預測分析 380
19．4 ARIMA模型 385
19．4．1 ARIMA模型的基本原理 385
19．4．2 ARIMA模型的參數(shù)設置 388
19．4．3 案例――上海證券交易所綜合指數(shù)收益率模擬預測分析 389
19．5 季節(jié)分解模型過程 393
19．5．1 季節(jié)分解模型的參數(shù)設置 393
19．5．2 案例――具有季節(jié)因素的服裝銷售數(shù)據(jù)的預測分析 394
第20章 缺失值分析 398
20．1 缺失值理論概述 398
20．1．1 數(shù)據(jù)缺失方式 399
20．1．2 缺失值處理方法 399
20．2 SPSS缺失值分析操作 403
20．2．1 缺失值分析的參數(shù)設置 403
20．2．2 案例――數(shù)據(jù)集中缺失值的實例分析 407
第21章 決策樹模型 413
21．1 決策樹模型概述 413
21．1．1 CHAID算法 415
21．1．2 Exhaustive CHAID算法 416
21．1．3 CART算法 416
21．1．4 QUEST算法 417
21．2 決策樹的參數(shù)設置 417
21．2．1 變量設置 417
21．2．2 類別（Categories）設置 418
21．2．3 輸出（Output）設置 419
21．2．4 驗證（Validation）設置 421
21．2．5 保存（Save）設置 422
21．2．6 條件（Criteria）設置 423
21．2．7 CHAID算法設置 424
21．2．8 CART算法設置 424
21．2．9 QUEST算法設置 425
21．2．10 修剪（Pruning）設置 425
21．2．11 替代變量（Surrogates）設置 426
21．2．12 選項（Options）設置 426
21．2．13 誤分類成本設置 427
21．2．14 利潤（Profits）設置 427
21．2．15 先驗概率（Prior Probabilities）設置 428
21．2．16 實例分析 429
21．2．17 模型建立 429
21．2．18 模型評估 431
第22章 神經(jīng)網(wǎng)絡 438
22．1 神經(jīng)網(wǎng)絡概述 438
22．1．1 歷史及現(xiàn)狀 439
22．1．2 神經(jīng)網(wǎng)絡特點 440
22．1．3 神經(jīng)元模型 441
22．1．4 神經(jīng)網(wǎng)絡模型 442
22．1．5 神經(jīng)網(wǎng)絡的學習規(guī)則 442
22．1．6 SPSS神經(jīng)網(wǎng)絡模型 443
22．2 SPSS神經(jīng)網(wǎng)絡模型的設置 445
22．2．1 多層感知器（MLP）的設置 445
22．2．2 徑向基函數(shù)（RBF）的設置 453
22．3 實例分析 455
22．3．1 參數(shù)設置 456
22．3．2 結果分析 458
第23章 信用風險分析 463
23．1 信用風險概述 463
23．1．1 信用風險基本概念 463
23．1．2 信用風險度量方法 464
23．1．3 SPSS中信用風險分析模塊 467
23．2 案例分析 467
23．2．1 Binary Logistic（二元Logistic）過程 467
23．2．2 Tree（決策樹）過程 472
23．2．3 Discriminant（判別）過程 478
第24章 SPSS在社會經(jīng)濟綜合評價中的應用 483
24．1 沿海省市經(jīng)濟綜合指標的主成分分析 483
24．2 中國內地城鎮(zhèn)居民消費結構的聚類分析 487
24．3 我國內地可支配收入和消費性支出之間的回歸分析 491